本技术方案涉及图像处理领域,旨在通过术前CT图像预测转换疗法效果。该方法包括对原始数据进行预处理,以生成适合深度学习模型训练的图像数据;并在此基础上,引入知识蒸馏技术以提升模型性能。
背景技术
最新的流行病学数据显示,胃癌在全球恶性肿瘤中发病率排名第五,死亡率排名第四;由于早期胃癌的临床状态缺乏明显的特异性,大多数胃癌患者往往在病情进展时才被确诊。由于广泛远处转移、腹膜转移或局部进展等因素,一些晚期胃癌患者无法接受根治性切除手术,只能接受保守治疗以延缓疾病进展。如何更好地治疗这类患者,改善预后仍面临挑战;近年来,随着胃癌发生、发展和生物学行为特征的深入了解,以及新型抗癌药物的开发和应用,晚期胃癌的治疗理念和策略逐渐发生了深刻的变化,目前,各种提高生存率的策略层出不穷,其中转换疗法在不可切除的晚期胃癌患者中被证明是有效的,并提高了生存率。
然而,由于肿瘤生物学的差异和异质性,转换疗法的实施并不精确,并非所有患者都能从转换疗法中获益;在临床上,组织病理学检查仍是评估反应的黄金标准,但组织病理学检查只能在手术后获得,延误了治疗的及时调整。因此,如何预测胃癌晚期患者对转换疗法的反应,评估转换疗法实施的可行性,是目前需要考虑的问题。
实现思路